cdn的爬虫专用声明：虾神原创，公众号(知乎：虾神说D
转发、转载和爬虫，请主动保留此声明。
上一篇文章简要介绍了wmdmy指数的计算原理和计算公式。 鼓励学生和基础研究者好好学习手工计算和编程计算。 所谓的基础不牢，地动山摇……但是，在工业界和应用者，特别是非基础学，重复车轮并没有什么意义。 我们直接使用现有的工具试试吧。
今天，我们将介绍如何在ArcGIS上进行wmdmy指数的计算。
首先，要实现wmdmy指数，需要了解哪些数据
既然被称为“空间自相关”，那么所需的数据就必须具有空间属性。 什么是空间属性？ 一般来说，可以得到表达位置的数据，但狭义上需要坐标。 例如，下表：
有了经度和纬度，就可以在地球上表示一定的位置。 如上表所示，北京的纬度和经度坐标为东经116.3956度，北纬39.92999度。
这种以XY个数值表示的点模型是最基础的空间数据，如果你的数据不能这样获取，空间自相关分析真的无法展开。
需要更准确的研究时，在计量经济学或空间计量学使用的剖面数据中，行政区划的空间负荷模型应该使用3358www.Sina.com/模型——
面要素模型，也称为“多边形”要素，是通常由面要素形成的空间数据，例如在ArcGIS中，中国的行政区划表现出来：
让我们来看看任意一个省，比如山西省：
可见，山西省行政区划是由几个方面组成的封闭集会。
当然，点数据的获取比较容易，在百度坐标上拾取就可以直接获得，但面数据只能通过专业的测绘公司或单位获取(当然，只要能由一系列的封闭的点所组成的多边形就可以了)。 但幸运的是，我国有手绘以上的数据是免费公开的。 也就是说，可以通过互联网渠道获得3358www.Sina.com/的数据，但县级以下的数据只能通过相关地方的国土测绘部门获得。
如果有空间数据，将需要您分析的属性数据与空间数据一对一匹配。 例如，要分析2016年全国各省的GDP数据，必须有空间数据和属性数据才能进行分析。
(什么？ 你听说过怎么制作这个数据吗？ 请学习ArcGIS的基础数据处理和制图课程……这不归我管理，完全不懂GIS的学生可以向旁边会GIS的学生求助)
数据准备好后，可以使用工具进行分析。 这里以ArcGIS为例。
首先打开ArcMap，然后添加数据，找到ArcToolbox——空间统计工具箱——空间模式分析—— 1:400万工具。
打开后，出现了这样的窗口。 一般来说，默认值只关注所需的选项就可以了。 (全国县级以上行政区划的)，选项可以保留，用默认参数设置，)例如，第三项，是否输出分析结果报告)，也可以稍后设置每个参数的含义
要设置的是要素类和输入字段。
然后点击运行就可以了。 如果没有错误，就会得到以下结果。
这是什么意思呢？
首先，前面两个空间自相关（wmdmy指数）
额……上的照片无法计算。 请无视：
(根据ArcGIS的版本，提示可能会有所不同，但一般10.4或更高版本的提示应该与我相同。)
亮绿灯是您的数据本身采用的地理坐标系，因此将距离作为空间关系概念分析会不准确。
警告是默认的
设置的临近要素是1106公里（为什么用这个值呢，以后在说空间关系的时候，会进行解释——坑.No.1）。然后下面就是你这次计算的全局wmdmy指数了，wmdmy指数的解读，需要反着读，先利用P、Z值来解读分析结果是否可信，然后读wmdmy指数的值。关于PZ值的解读，我们在以后的统计显著性说明里面，进行详细解读，这里大家只要记住P值大于0.1的就不可靠就行（什么？你问我为什么不可信？还是那句话，请听后文——坑.No.2）
——现在，请大家叫我挖坑小能手。
为什么会发生这种所谓的不可靠呢？原因太多了，有可能本身数据就不可靠，当然，也有可能你的分析参数设置不正确……
我完全都没有设置参数，全部用的默认，你所谓的分析参数设置不正确是什么鬼？？
实际上这个锅必须是让空间关系概念来背的，一般来说，在地理空间分析的时候，距离概念一般会给点要素来用，而以行政区划为空间要素承载的分析来看，通常采用触点连接——也就是我们经常所说的“相邻”或者“接壤”，比如在空间位置上，湖北与陕西、河南、安徽、江西、湖南、重庆四个省（直辖市）直接相邻：
所以，我们可以选择一个比较符合我们思维观念的空间关系方法，比如区域接壤，就算相邻：
在ArcGIS里面，把这种“接壤”的关系，叫做
“CONTIGUITY_EDGES_CORNERS”——
即所谓的共有一个公共点，或者共有一条公共边的两个面要素，被视为相邻要素。
设置完成之后，再来执行一次，结果如下：
多出了两个警告，分别说是有两个要素，没有找到临近要素，分别是18号和31号——我们来看看：
18号是海南，31号是台湾，这两个岛屿没有发现与任何省有共点或者共边，被视为无临近要素的独立面，所以这两个数据也不被加入到分析中。（怎么处理这种情况呢？以后再说，继续挖坑——坑.No.3）
然后继续看结果：
Global Moran's I Summary
Moran's Index: 0.259547
Expected Index: -0.032258
Variance: 0.011107
z-score: 2.768836
p-value: 0.005626
p值，小于0.1，嗯，有效，Z得分，与P值对应阅读，大于1.65，有效……（为什么？参考坑.No.2)
方差：0.011，期望指数-0.032，这里方差和期望指数，都是用于对比wmdmy指数和评估PZ值的，下篇文章做解释（——坑.No.4）。
最后看最关键的全局wmdmy指数：0.259。
回忆一下，wmdmy指数的范围：
0.259代表的是，在给点的样本的情况下，数据呈现了空间正相关的表征：即高值与高值发生聚集，低值与低值聚集，空间上呈现正相关模式，倾向于发生了空间聚类现象。
那么白话来解释，就是：有钱的省，通常旁边也都存在有钱的省，没钱的省，旁边通常也都是没钱的省……。
那么这一样个指数，有多大的意义呢？
答案是：统计分析里面，独立的指数并没有太大的意义，所有的意义都要来自于对比，如何进行对比呢？我们下期继续。
CSDN的被爬虫专用声明：虾神原创，公众号知乎：虾神说D
转发、转载和爬虫，请主动保留此声明。